矩阵加速~desire drive

常见于一维信息的迭代线性叠加

例题1：583D - Once Again...

求循环T次的数字串的LIS

想到了矩阵加速，不过以前只见过优化一维信息，所以尝试用dp[300]的值域结尾最长长度来表示目标向量

设计矩阵的时候就发现这里面加1加2的不满足线性叠加

事实上通过这道题我也明白了矩阵不止可以加速一维信息，也可以加速dp[i][j]这样的信息，只不过

最后的结果不是那个一维向量，而是最后的矩阵了

dp[i][j]表示a[i]开始a[j]结束的最长长度，这样就是完全的向量拼接了

link

---------------------------------------------------------------------------------------------------------------------------------

例题2： 233 Matrix HDU - 5015
---------------------------------------------------------------------------------------------------------------------------------

例题3：Codeforces 954C Matrix Walk

有长条障碍的线性叠加

一眼快速幂，由于经验不足一直在想怎么容斥

这道题教会我分段快速幂，有点像那个经典的拆时间点的做法

这个题可以把原来的大矩形拆成多段转移矩阵不变的小段

通过每个小段重构转移矩阵就可以做到分段快速幂了